Спутниковое картографирование орошаемых земель Республики Крым

Доклад посвящен разработке методов распознавания орошаемых сельскохозяйственных земель на территории Республики Крым. Независимая оценка пространственного и временного распределения орошаемых земель в условиях дефицита водных ресурсов необходима для принятия решений в области продовольственной безопасности, разумного управления водными ресурсами, экологических оценок деградации почв. Дистанционное зондирование Земли позволяет проводить мониторинг сельскохозяйственных земель на разных пространственных уровнях (Плотников и др., 2024), успешно распознавать отдельные культуры и группы культур (Плотников и др., 2020; Tan et al., 2024; Zhang et al., 2025), определять наступление засушливых условий (Дунаева и др., 2019). В настоящее время, по разным оценкам, в Республике Крым поливается лишь порядка 5% от общего количества мелиорированных земель (Юрченко, 2023), при этом объективной и независимой оценки площадей по спутниковым данным, а также динамики изменений площадей орошаемых земель на территории Республики Крым ранее получено не было.
Предварительные исследования показали (Дунаева и др., 2025; Ёлкина и др., 2024a; Ёлкина и др., 2024б) возможность распознавания орошаемых земель по спутниковым данным с достаточно высокой точностью (метрика F-1 score по классу «орошаемые» в среднем составила более 0.8) даже без привлечения метеорологической информации. Развивая ранее опробованные методы, настоящей работе предложен метод картографирования орошаемых земель на основе оптических и тепловых данных Landsat - 4,5,7,8 и методов машинного обучения. Временной охват картографирования составил 1990–2023 гг., что близко к максимально возможному периоду для оценки динамики площадей по спутниковым данным. Данные программы дистанционного зондирования Земли Landsat обеспечивают сопоставимые между собой ряды данных с пространственным разрешением 30 метров более сорока лет подряд и остаются уникальным источником информации для ретроспективного спутникового картографирования с высоким пространственным разрешением. Под орошаемыми понимаются политые за сезон любым способом земли: сады виноградники, овощи, цветы, ягодники. Были исследованы подходы с использованием непараметрического (случайные леса, Random Forest), параметрического (линейный дискриминантный анализ, Linear Discriminant Analysis) классификаторов, а также методы глубокого обучения – нейронные сети архитектуры U-Net.
Нейросетевые подходы не требуют предварительной генерации признаков и используют текстурную и семантическую информацию спутниковых изображений, в то время как для обучения моделей классического машинного обучения была проведена работа по подготовке и генерации ряда признаков. Создание и отбор признаков был нацелен на отражение фенологических особенностей развития растительности на поливных полях и подчеркивание различий с полями без искусственного орошения, а также со «стабильными» классами естественной растительности. Признаки включали в себя (а) сезонные, такие как средние значения вегетационных индексов за сезон, перцентили вегетационных индексов и их комбинации, отражающие стабильность и амплитуду NDVI; максимумы температуры поверхности и разницу температуры с фоном, (б) мультивременные (за 3 года) спектрально-временные признаки, основанные на индексах NDVI, BSI (Bare Soil Index) , NMDI (Normalized Multi-band Drought Index) и отдельных каналах (красный, инфракрасный, ближний инфракрасный) и (в) ежемесячные фенологические, спектральные и спектрально-временные признаки. Также были использованы дополнительные признаки, такие как пространственные координаты, характеристики рельефа, расстояние до скважин.
Настоящая работа ставила целью получение исторической и актуальной картографической информации о расположении орошаемых земель. Были получены карты орошаемых земель за четыре ключевых периода: 90-е годы, 2000-е, 2010-е, 2020-е годы. Полученные оценки площадей орошаемых земель были сопоставлены с данными статистики. Эффективность моделей и точность производных тематических продуктов оценивались на основе наземных наблюдений. Для этого были собраны валидационные данные в пределах двух крупных сельскохозяйственных районов Крыма — Сакского и Красногвардейского. Оба района расположены в центрально-западной и центральной частях полуострова, характеризуются субтропическим степным климатом и наличием систем орошения (оросительные каналы, колодцы, скважины). Картографическая информация о расположении орошаемых земель – исторические и данные последних лет – открывают возможности дальнейшей оценки потенциала биопродуктивности земель и рационального использования водных ресурсов.
Работа выполнена в рамках проекта РНФ № 24-27-00251 «Разработка алгоритма оценки потенциала биопродуктивности земель на основе данных ДЗЗ в условиях различной водообеспеченности». При выполнении работы использовались возможности УНУ ВЕГА-Science (Loupian et al., 2022), входящей в Центр коллективного пользования «ИКИ-Мониторинг» (Лупян и др., 2019).